Нейронные сети для транскоммуникации

Нейросети в итк

В последнее время широкое распространение получили нейронные сети — обучаемые системы, действующие по заданным алгоритмам и формулам на основании прошлого опыта. Нейросеть напоминает ребенка, который с каждым разом складывая кубики делает все меньше ошибок. Опознание людей на фотографиях, игра в компьютерные игры, вождение автомобиля, рисование картин и много другое, вот что умеет делать современный искусственный интеллект, основанный на нейросетях.

Из названия мы можем понять, что нейронная сеть состоит из нейронов, связанных между собой, но эти нейроны не такие как у нас в мозгу. Искусственная нейронная сеть (ИНС) работает наподобие биологической нейросети, однако в качестве нейронов выступают перцептроны — это всего лишь несколько арифметических действий.

Функционирует искусственный нейрон очень просто – он получает несколько чисел умножает каждое число на «ценность» каждого числа, складывает и в зависимости от результата выдает 1 или -1. Например, мы фотографируем пейзаж и показываем нейрону какой  — либо пиксель на этой фотографии – посылаем ему в качестве двух сигналов случайные координаты. Затем запрашиваем где на изображении небо, а где земля. Нейрон отвечает, что земля (например -1), хотя пиксель был взят с неба. И так перцептрон может тыкать пальцем угадывая землю и небо до бесконечности.

Чудо происходит в следующей стадии под названием «машинное обучение». Человек знает где небо, а где земля и он может постепенно обучить искусственный нейрон, записывая правильный ответ в программу. Вся функция перцептрона — брать числа и раскладывать их по двум стопкам и за каждый неверный ответ он получает штраф, а за верный премию. Ценность входящих сигналов либо возрастает, либо уменьшается. После этого программа прогоняется уже по новой формуле и со временем нейрон «поймет» что земля находится внизу, а небо сверху.

Самое интересное начинается тогда, когда таких элементов много, ведь входящие числа могут быть сигналами от других «боевых единиц»! Скажем, один нейрон будет пытаться отличить синие пиксели от зелёных, второй продолжит возиться с координатами, а третий попробует рассудить, у кого из этих двоих результаты ближе к истине. Если же настроить на синие пиксели сразу несколько нейронов и суммировать их результаты, то получится уже целый слой, в котором «лучшие ученики» будут получать дополнительные премии. Таким образом достаточно широкая нейросеть может переработать целую гору данных и учесть при этом все свои ошибки.

Искусственные нейронные сети известны уже более 50 лет, они очень требовательны к производительности компьютеров, но век машинного обучения по-настоящему начался именно сейчас. Современные ПК накопили столько вычислительной мощности, что теперь любой ноутбук может взять пару сотню нейронов и прогнать каждый через миллионы циклов обучения.

Самым перспективным направлением остаётся распознавание образов. Уже давно распознается рукописный текст, а теперь ИНС успешно различают людей по фотографиям и могут найти их в социальных сетях, учатся определять выражения лиц, могут показать, как будет выглядеть человек в старости, а популярное приложение Prisma превращает обычное фото в картины в стиле знаменитых художников. Сейчас практическую пользу из этих развлечений извлекают разработчики роботов, дронов и беспилотных автомобилей  — ведь чтобы оценить ситуацию на пути, машине нужно очень быстро и точно распознать окружающие предметы.

Распознавание образов может использоваться в транскоммуникации, например, при водном методе. Лица формирующиеся на поверхности воды сложнее распознать по сравнению с обычными человеческими лицами, однако эта задача выполнима. Можно создать программу, которая будет обнаруживать такие объекты на загруженном в нее фото или видео. Не нужно будет самому просматривать сотни или тысячи кадров видеозаписи значительно быстрее это сделает предварительно обученная нейросеть. Такая программа не только облегчит работу и сэкономит время, но также даст возможность записывать более длительные видеоролики, соответственно получить больше паранормальных лиц.

обнаружено лицо1

Но на этом возможности программ с нейросетями не заканчиваются. Голосовые ассистенты, такие как Cortana, Siri и Алиса построенные на нейросетях, неплохо понимают человеческую речь и сами умеют говорить. Автоматическое распознавание слов, фраз на записанном треке это как раз и нужно нам в транскоммуникации! Конечно, ИНС будет труднее определять фразы в шуме, но этому можно добиться, постепенно обучая ее. Причем, наверняка нейросетью будут обнаружены своеобразные звуковые паттерны, относящиеся к тому или иному слову, которые не могут быть распознаны человеком, а значит программа сможет на основании их подбирать подходящие слова! Создавать наброски слов намного проще и менее энергозатратно, чем делать слышимые человеком слова, поэтому это понравится нашим нематериальным друзьям. Скорость поиска сообщений и их количество значительно возрастет. Записывать трек можно будет десятки минут, тем самым еще преумножив сообщения.

мы все бессмертны

Не исключено влияние на нейронную сеть и с той стороны, ведь это наблюдается уже сейчас! Программа под названием ITCScope создана на основе простейшей нейросети, которая анализирует сгенерированное изображение и создает новое с учетом предыдущего. В разных частях картинки иногда обнаруживаются лица умерших людей, животные, различные знаки и буквы. Такой метод получения изображений из тонкого мира назвали нейрографией. Посмотреть полученные изображения этим методом можно в альбоме группы Российской ассоциации инструментальной транскоммуникации (РАИТ)

Компьютеры играют большую роль в транскоммуникации, благодаря звуковым редакторам таким как Adobe Audition, WavePad, Audacity и другим стало легко заниматься обработкой записей — замедлять скорость воспроизведения, срезать лишние частоты и подавлять шум. С появлением компьютерных методов связи увеличилось число принимаемых сообщений на единицу времени. Следующий этап развития транскоммуникациии это создание и применение специальных программ, основанных на нейронных сетях. Учитывая все параметры такие программы будут с большой скоростью внимательно распознавать визуальные и звуковые сообщения из другого мира.

О том как я занялся транскоммуникацией читаем в предыдущей моей статье http://news-cyber.ru/transkommunikatsiya-tehnicheskaya-svyaz-s-drugim-izmereniem/

Образцов Вячеслав. 2018 г.
Использование материалов с сайта www.mirf.ru

Оставить комментарий